我在R中有一个名为data的列表。数据具有列CustID
和EndDate
。删除带条件的重复条目列表R
我想要做的就是搜索比较CustID
的列表以找到与CustID
相同的重复条目。
在找到的条目上,我想比较EndDate
,并从列表中删除最低值(最旧的EndDate
)的条目。
我有,因为我不是很习惯在R.具有这些功能的工作
我在R中有一个名为data的列表。数据具有列CustID
和EndDate
。删除带条件的重复条目列表R
我想要做的就是搜索比较CustID
的列表以找到与CustID
相同的重复条目。
在找到的条目上,我想比较EndDate
,并从列表中删除最低值(最旧的EndDate
)的条目。
我有,因为我不是很习惯在R.具有这些功能的工作
CustID <- c(seq(1,10,1),seq(1,5,1))
EndDate <- c(Sys.Date(),rep(seq(Sys.Date(),Sys.Date()+6, 1),2))
# Let's assume you're starting with a list
data <- list(CustID, EndDate)
名单如何处理这个问题,不知道是这样的:
[[1]] [1] 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 [[2]] [1] "2016-09-06" "2016-09-06" "2016-09-07" "2016-09-08" "2016-09-09" "2016-09-10" "2016-09-11" "2016-09-12" "2016-09-06" [10] "2016-09-07" "2016-09-08" "2016-09-09" "2016-09-10" "2016-09-11" "2016-09-12"
# To make matching CustID and EndDate easy let's change it to a DF
df1 <- as.data.frame(data)
colnames(df1) <- c("CustID", "EndDate")
data.frame看起来像这样:
CustID EndDate 1 1 2016-09-06 2 2 2016-09-06 3 3 2016-09-07 4 4 2016-09-08 5 5 2016-09-09 6 6 2016-09-10 7 7 2016-09-11 8 8 2016-09-12 9 9 2016-09-06 10 10 2016-09-07 11 1 2016-09-08 12 2 2016-09-09 13 3 2016-09-10 14 4 2016-09-11 15 5 2016-09-12
# Find duplicated CustID
dupID <- duplicated(df1$CustID)
dupdf <- df1[df1$CustID %in% df1$CustID[dupID],]
# Remove the entry with the oldest EndDate for each ID
res <- data.frame(CustID=NA, EndDate = as.Date(NA))
for(i in unique(dupdf$CustID)){
tmp <- dupdf[dupdf$CustID == i, ]
res <- rbind(res,tmp[!tmp$EndDate == min(tmp$EndDate),])
}
res <- res[!is.na(res$EndDate),]
结果(res
)具有重复客户的ID(custID
)与最古老的EndDate
每个ID删除:
CustID EndDate 11 1 2016-09-08 12 2 2016-09-09 13 3 2016-09-10 14 4 2016-09-11 15 5 2016-09-12
如果你想有一个矢量您可能使用的解决方案data.table
:
require(data.table)
dupdf <- data.table(dupdf)
dupdf[,.(
EndDate = max(EndDate)
), by = CustID]
从注释一个建议是
data <- as.data.frame(data)
subset(data, as.logical(ave(as.numeric(EndDate), CustID, FUN = function(x) {
length(x) == 1L | x != min(x)
})))
谢谢你,善良的先生! –
@ P.Berg乐于帮助!干杯 –
在一个循环动态增长的对象(如你用'res'做的)是不是真的值得推荐的做法 –
下面是使用dplyr包的溶液
data <- list(CustID=c(seq(1,10,1),seq(1,5,1),3,3,3),
EndDate=c(Sys.Date(),
rep(seq(Sys.Date(),Sys.Date()+6, 1),2),
Sys.Date()+6, Sys.Date()+6, Sys.Date()+10
))
#Convert list to data frame and remove oldest duplicates
data %>%
do.call(cbind.data.frame,.) %>%
group_by(CustID) %>%
summarise_all(funs(last)) %>%
ungroup
ID“3”出现5次,包括在天重复该会被保留。根据传递的参数,“汇总”功能将分组变量(在此情况下为ClustID)减少为单个观察值。在这种情况下,“最后”功能会保留最近的观察,忽略同一天的重复。
如果您的数据不是按时间顺序排列,请使用arrange(desc(EndDate))来排序数据。
如果你有多列并且不想汇总所有,总结(EndDate = last(EndDate)) –
提取最后日期不同于删除第一个日期,因为每个ID可能有多于2个条目。 (你可以做'data%>%data.frame()%>%...') –
你的意思是我应该按时间顺序排列它们吗? “安排(结束日期)”?然后,数据可能会有多个条目按客户ID排序,并且初始排序也不相关。 –
请为您的列表提供一个可再现的小例子,例如使用'dput()' – Jimbou
它是一个'list'还是'data.frame'?请检查[如何创建一个最小可重现的例子](http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example)并更新您的问题 –
澄清原因@ docendodiscimus问这是因为列表没有列。所以目前还不清楚你的意思是列表元素,还是你的意思是data.frame的列。 –